Submitted by (ana.araujo@ufrpe.br) on 2016-08-02T15:32:53Z No. of bitstreams: 1 Luciano Rodrigues da Silva.pdf: 1477739 bytes, checksum: e1ea61981eacbff2c9319865f5504f91 (MD5) / Made available in DSpace on 2016-08-02T15:32:53Z (GMT). No. of bitstreams: 1 Luciano Rodrigues da Silva.pdf: 1477739 bytes, checksum: e1ea61981eacbff2c9319865f5504f91 (MD5) Previous issue date: 2009-10-20 / Vegetation fires represent a natural hazard with severe ecological, social, health and economic consequences. Every year fires burn millions of hectares of forest worldwide and their number have been increasing, principally because of the increase in population and combustion material. The preservation of the environment depends on global and regional policies and methods of prevention and suppression of fires. To establish these methods it is necessarily to know the profile of fires: spatial location, time of occurrence, burned area, why they occur, and how they initiate and propagate. Recently, various methods of Statistical Physics (including data analysis and computational models) have been applied to provide additional information about spatial and temporal distribution of fire sequences, which is crucial for assessing various consequences of burning, such as emissions of gasses and particulates to the atmosphere, loss of biodiversity, loss of wildlife habitat, soil erosion etc. Several satellite systems (with different capabilities in terms of spatial resolution, sensitivity, spectral bands, and times and frequency of overpasses) are currently available for monitoring different fire characteristics: dry areas that are susceptible to wild fire outbreak, actively flaming fires, burned area and smoke, and trace gas emissions. Hotspots are satellite image pixels with infrared intensity corresponding to burning vegetation. A hotspot may represent one fire, or be one of several hotspots representing a larger fire. Together with other satellite data, thenumber of hot-spots can be used to estimate the burned area. In this work we study the dynamics of hotspots using the Detrended Fluctuation Analysis (DFA) method, which serves to quantify correlations in non stationary time series. We analyze daily hotspot temporal series detected in Brazil by various satellites during the period 1998-2008. The results show the existence of power-law long-range correlations that represent an important property of the underlying stochastic process. This property, also found in climatic phenomena, should be incorporated in theoretical models and computer simulations of the fire dynamics. / Incêndios em vegetação é um tipo de desastre natural com conseqüências ambientais, sociais econômicas, etc. Todos os anos incêndios destroem milhões de hectares das florestas e aumentam em número como conseqüência de vários fatores, principalmente de crescimento populacional e acúmulo de material combustível. A preservação de meio ambiente depende das políticas protecionistas globais e regionais adequadas às características de cada região. Para estabelecer essas políticas de controle e prevenção é necessário conhecer o perfil dos incêndios florestais: onde, quando e porque ocorrem. Além das estatísticas de ocorrências de incêndios os métodos emergentes da Física Estatística incluindo análise de dados e modelos computacionais, providenciam as informações adicionais sobre a distribuição e agrupamento espaço-temporal dos incêndios, que são cruciais para o estudo de várias conseqüências de fogo, como emissão de gases e partículas em atmosfera, perda de biodiversidade, erosão de solo, etc. Vários satélites (com características diferentes em termos de resolução espacial, bandas espectrais, tempo e freqüência de escaneamento) são disponíveis para monitoramento das varias características de fogos: áreas de risco, incêndios atualmente ativos, área queimada, fumaça, emissão de poluentes etc. Focos de calor são pixels na imagem de satélite com intensidade infravermelha correspondente a vegetação queimada. Um foco pode representar uma queimada, parte de um incêndio maior ou outras fontes de calor como, por exemplo, a reflexão de luz da superfície de um lago. O número de focos junto com outras informações providenciadas pelos satélites podem ser usados para estimar a área queimada, para detecção e monitoramento dos incêndios florestais, estimação de risco de fogo, e para avaliação da influencia de outros fatores ambientais. Neste trabalho estudamos a dinâmica de focos de calor no Brasil usando o método Detrended Fluctuation Analysis (DFA), desenvolvido para quantificar as correlações em séries temporais não estacionárias. Analisamos séries temporais diárias de focos de calor detectados no Brasil pelo vários satélites, durante o período 1998-2008. Os resultados mostram a existência de correlações de longo alcance persistentes, que representa uma propriedade importante dos processos estocásticos geradores desse fenômeno. Esta propriedade, também presente em fenômenos climáticos deveria ser incorporada em modelos teóricos e simulações computacionais de dinâmica de incêndios.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-04T14:28:53Z No. of bitstreams: 1 Maira de Oliveira Santos.pdf: 1516572 bytes, checksum: ea3508c7d99ef42591a6b17f459901e0 (MD5) / Made available in DSpace on 2016-08-04T14:28:53Z (GMT). No. of bitstreams: 1 Maira de Oliveira Santos.pdf: 1516572 bytes, checksum: ea3508c7d99ef42591a6b17f459901e0 (MD5) Previous issue date: 2010-06-07 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The study of climate has great economic end environmental importance, given that a single large and unexpected variation of a climatic element may devastate plantations or cities, and thus affect the economy of a region and life of the inhabitants. Climate can be influenced by diverse factors, such as latitude, altitude, air mass, proximity to sea, sea currents, terrain topology, vegetation, etc. The most important climate elements are temperature, humidity, atmospheric pressure, solar radiation, precipitation and wind. The wind is generated by atmospheric air mass movement, and may influence various phenomena such as soil erosion, pollutant dispersal, transport of pollen and seeds, propagation of diseases, as well as generation of eolic energy. Surface wind velocity is natural example of the phenomenon of turbulence, which represents a stochastic process characterized by temporal and spatial scale invariance. In this work we study long range correlations in temporal series of wind speed and direction registered at four meteorological stations in the cities of Arcoverde, Cabrobro, Garanhuns and Petrolina, in the state of Pernambuco, Brazil. To this end we apply Detrended Fluctuation Analysis (DFA) which was developed for quantification of long range correlations in non-stationary temporal series. We analyze the original wind speed series together with volatility (absolute value of increments) of the wind direction. All the analyzed series exhibit persistent long range correlations with the scale exponent above 0.5. In all cases the exponent values were found to be lower for wind direction then those for wind speed, indicating weaker persistence. No correlation was detected between the exponent values and the geographic parameters: longitutde, latitude and altitude of the station. The results of these analyses contribute to a better understanding of the nature of stochastic processes governing wind dynamics, necessary for development of more realistic theoretical and computational models as a base for modeling diverse phenomena influenced by climatic conditions. / O estudo do clima e dos seus elementos tem grande importância econômica e ambiental, visto que uma grande e inesperada variação em ao menos um dos elementos do clima pode devastar plantações, cidades, e assim mudar a economia de uma região e a vida das pessoas que ali habitam. O clima pode ser influenciado por diversos fatores, tais como latitude, altitude, massas do ar, continentalidade, maritmidade, correntes marítimas, relevo, vegetação, etc. Os elementos mais importantes do clima são temperatura, umidade, pressão atmosférica, radiação solar, precipitação e vento. O vento é gerado pelo movimento de massas do ar na atmosfera e pode influenciar vários fenômenos, como erosão do solo, dispersão de poluentes, transporte de pólen e sementes, propagação de doenças e geração da energia eólica. A velocidade do vento na superfície é um exemplo natural do fenômeno de turbulência, que representa um processo estocástico caracterizado pela invariância de escala temporal e espacial. Neste trabalho foram estudadas as correlações de longo alcance em séries temporais da velocidade e direção do vento registradas em quatro estações meteorológicas, nas cidades Arcoverde, Cabrobó, Garanhuns e Petrolina em Pernambuco. Foi utilizado o método Detrended fluctuation analysis (DFA), desenvolvido para quantificar as correlações de longo alcance em séries temporais não estacionárias. Foram analisadas as séries originais da velocidade do vento e as séries dos valores absolutos dos incrementos (volatilidade) da direção do vento. Todas as séries analisadas possuem as correlações de longo alcance persistentes, com expoente de escala acima de 0,5. Em todos os casos os valores dos expoentes são menores para a direção do que para a velocidade do vento, indicando que a persistência é mais fraca para a direção do vento. Não foi detectada a correlação entre os valores dos expoentes de escala e os parâmetros geográficos: longitude, latitude e altitude da estação. Os resultados destas análises vão ajudar a entender melhor a natureza dos processos estocásticos geradores da dinâmica do vento. Este entendimento é necessário para desenvolvimento dos modelos teóricos e computacionais mais precisos cujos resultados servirão como base para modelagem dos vários fenômenos influenciados pelas condições climáticas.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-12T14:38:54Z No. of bitstreams: 1 Rosilda Benecio de Souza.pdf: 1979743 bytes, checksum: 6e2df03119bd441a84297bc73d2befeb (MD5) / Made available in DSpace on 2016-08-12T14:38:54Z (GMT). No. of bitstreams: 1 Rosilda Benecio de Souza.pdf: 1979743 bytes, checksum: 6e2df03119bd441a84297bc73d2befeb (MD5) Previous issue date: 2011-02-17 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / Vegetation and forest fires affect millions of hectares of Brazilian land and have severe ecological, social and economic consequences, including emissions of green house gases, loss of biodiversity, soil erosion etc. To establish efficient methods for prevention and suppression of fires, which is crucial for preservation of environment, it is necessarily to know the spatial location and time of occurrence of fires, burned area, why they occur, and how they initiate and propagate. Several satellite systems are currently available for monitoring different fire characteristics: dry areas that are susceptible to fire, actively flaming fires, burned area and smoke, and trace gas emissions. Hot pixels are satellite image pixels with infrared intensity corresponding to burning vegetation. Depending of image resolution, a hot pixel may represent one fire, or a part of a larger fire. Together with other satellite data, the number of hot pixels can be used to estimate the burned area and predict environmental and economics consequences. In this work we study the dynamics of hot pixels detected in Brazil by satellite NOAA-12 during the period 1998-2007, using the method Multifractal Detrended Fluctuation Analysis, which serves to detect and quantify multifractal properties of non-stationary temporal series. We calculate the generalized Hurst exponent h(q), Renyi exponent (q) and singularity spectrum f( ). The results show the existence of power-law long-term correlations that are described by a hierarchy of scaling exponents, which is the consequence of an underlying multifractal stochastic process. Based on this empirical result we also show that the Multifractal Cascade Model can be used to produce synthetic data for hot pixels dynamics. The observed multifractal property of temporal series of hot pixels should be incorporated in theoretical models and computer simulations of the fire dynamics and related phenomena. / Queimadas e incêndios florestais atingem milhões de hectares de terras brasileiras, causando graves consequências ecológicas, sociais e econômicas, incluindo emissões de gases do efeito estufa, perda de biodiversidade, erosão do solo, etc. Para estabelecer métodos eficientes para prevenção e supressão do fogo, importantes para proteção do meio ambiente, é necessário conhecer onde, quando e porquê os incêndios ocorrem, a área queimada e como se iniciam e se propagam. Atualmente, vários satélites são disponibilizados para monitoramento das características do fogo: áreas de risco, incêndios atualmente ativos, área queimada, fumaça e emissão de gases. Focos de calor são pixels na imagem de satélite, com intensidade infravermelha correspondente a vegetação queimada. Dependendo da resolução, um foco pode representar uma queimada ou parte de um incêndio maior. O número de focos combinado a outras informações fornecidas pelos satélites pode ser usado para estimar a área queimada, e prever as consequências ecológicas e econômicas. Neste trabalho, foi estudada a dinâmica de focos de calor detectados no Brasil pelo satélite NOAA-12, durante o período 1998-2007, utilizando o método Multifractal Detrended Fluctuation Analysis, desenvolvido para detecção e quantificação das propriedades mutifractais das séries temporais não estacionárias. Foram calculados o expoente generalizado de Hurst h(q), o expoente Renyi (q) e o espectro de singularidade f( ). Os resultados mostraram a existência de correlações de longo alcance, caracterizadas por uma hierarquia dos expoentes de escala, conseqüência de um processo estocástico multifractal. Baseado nos resultados empíricos, também foram mostrados que o Multifractal Cascade Model pode ser usado para gerar séries artificiais dos focos de calor. A propriedade multifractal da dinâmica dos focos de calor poderá ser incorporada em modelos teóricos e simulações computacionais de dinâmica de incêndios e fenômenos relacionados.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-12T15:41:19Z No. of bitstreams: 1 Silvio Fernando Alves Xavier Junior.pdf: 1969278 bytes, checksum: 716d98cbb2937cd01be0ff1272ed5033 (MD5) / Made available in DSpace on 2016-08-12T15:41:19Z (GMT). No. of bitstreams: 1 Silvio Fernando Alves Xavier Junior.pdf: 1969278 bytes, checksum: 716d98cbb2937cd01be0ff1272ed5033 (MD5) Previous issue date: 2011-06-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Rainfall can be understood as an end product of a number of complex atmospheric processes, which vary in space and time, and it may be considered one of most important dominant factor of the meteorological-climatic features of an specified investigated area. In this study, we observed if the dynamics of rain in Piracicaba, São Paulo - Brazil is generated by a multifractal process and / or belongs to classes of Self-Organized Criticality systems. To detect long-term correlations and multifractal behavior, we apply MF-DFA method that systematically detect nonstationarities and overcome trends in the data at all timescales. We calculated the generalized Hurst exponent, h(q), and Renyi exponent, (q). The results showed the existence of power-law long-term correlations which are described by a hierarchy of scaling exponents, that is the consequence of an underlying multifractal stochastic process. For smaller scales of about 8 months, the dynamics of rain is generated by a multifractal process (the generalized Hurst exponent, h(q), decreases with the increase in order (q) meaning it can be modeled using the cascade models. For larger scales, the value of h(q) is between 0:35 �� 0:55 indicating a weaker multifractality. The hypothesis that rainfall may be a case of Self-Organized Criticality is assessed. We analyze two events: the daily amount of rain and drought events (days without rain), both are weather phenomena that are strongly linked to rainfall. It appears that the distribution of the daily amount of rain displays two different scaling regimes for small and large intensities. The value of the ratio of these exponents confirms the results that were obtained in regions with tropical and subtropical climates. However, for the distribution of drought events we find two distinct scaling exponents with values that are closer than those observed in the daily amount of rain. The multifractal properties and self-organized criticality should be incorporated into theoretical models and computer simulations of the dynamics of rainfall and related phenomena.Rainfall can be understood as an end product of a number of complex atmospheric processes, which vary in space and time, and it may be considered one of most important dominant factor of the meteorological-climatic features of an specified investigated area. In this study, we observed if the dynamics of rain in Piracicaba, São Paulo - Brazil is generated by a multifractal process and / or belongs to classes of Self-Organized Criticality systems. To detect long-term correlations and multifractal behavior, we apply MF-DFA method that systematically detect nonstationarities and overcome trends in the data at all timescales. We calculated the generalized Hurst exponent, h(q), and Renyi exponent, (q). The results showed the existence of power-law long-term correlations which are described by a hierarchy of scaling exponents, that is the consequence of an underlying multifractal stochastic process. For smaller scales of about 8 months, the dynamics of rain is generated by a multifractal process (the generalized Hurst exponent, h(q), decreases with the increase in order (q) meaning it can be modeled using the cascade models. For larger scales, the value of h(q) is between 0:35 �� 0:55 indicating a weaker multifractality. The hypothesis that rainfall may be a case of Self-Organized Criticality is assessed. We analyze two events: the daily amount of rain and drought events (days without rain), both are weather phenomena that are strongly linked to rainfall. It appears that the distribution of the daily amount of rain displays two different scaling regimes for small and large intensities. The value of the ratio of these exponents confirms the results that were obtained in regions with tropical and subtropical climates. However, for the distribution of drought events we find two distinct scaling exponents with values that are closer than those observed in the daily amount of rain. The multifractal properties and self-organized criticality should be incorporated into theoretical models and computer simulations of the dynamics of rainfall and related phenomena. / A precipitação pode ser entendida como um produto final de processos atmosféricos complexos, os quais variam no tempo e espaço, e pode ser considerada um dos mais importantes fatores dominante das características meteorológicas-climáticas de uma determinada área investigada. Neste trabalho, verificamos se a dinâmica da chuva em Piracicaba, São Paulo - Brasil é gerada por um processo multifractal e/ou pertence as classes dos sistemas com propriedade da criticalidade auto-organizada. Para detectar a correlação de longo alcance e o comportamento multifractal, aplicamos o método MF-DFA que sistematicamente detecta não-estacionariedades e tendências nos dados para todas escalas de tempo. Calculamos o expoente generalizado de Hurst, h(q), e o expoente de Renyi, (q). Os resultados mostraram a existência de correlações de longo alcance, caracterizadas por uma hierarquia dos expoentes de escala, consequência de um processo estocástico multifractal. Para as escalas menores, aproximadamente 8 meses, a dinâmica de chuva é gerada por um processo multifractal (o expoente de Hurst generalizado, h(q), diminui com o aumento de ordem q) significando que pode ser modelada utilizando os modelos de cascata. Para as escalas maiores, o valor de h(q) está entre 0,35-0,55 o que indica a multifractalidade mais fraca. A hipótese de que a precipitação pode ser um caso de Self- Organized Criticality é avaliada. Analisamos dois eventos: a quantidade diária de chuva e eventos de seca (dias sem chuva), ambos são fenômenos metereológicos os quais são fortemente ligados à precipitação. Verifica-se que a distribuição da quantidade diária de chuva exibe dois regimes de escala distintos para pequenas e grandes quantidades. O valor da razão desses expoentes encontrados confirmam os resultados que foram obtidos nas regiões com climas tropical e subtropical. No entanto, para a distribuição de eventos de seca encontramos dois expoentes de escala distintos com valores bem mais próximos comparados com os observados na quantidade diária de chuva. As propriedades multifractais e criticalidade auto-organizada deverão ser incorporados em modelos teóricos e simulações computacionais da dinâmica das chuvas e fenômenos relacionados.

Submitted by (ana.araujo@ufrpe.br) on 2016-05-25T14:39:16Z No. of bitstreams: 1 Barbara Camboim Lopes de Figueiredo.pdf: 2032958 bytes, checksum: d463c6ab534a96f1ce5aac33c2dde210 (MD5) / Made available in DSpace on 2016-05-25T14:39:16Z (GMT). No. of bitstreams: 1 Barbara Camboim Lopes de Figueiredo.pdf: 2032958 bytes, checksum: d463c6ab534a96f1ce5aac33c2dde210 (MD5) Previous issue date: 2014-02-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The study of climate has great importance, given that a variation of climatic elements affect the economy of a certain region and life of the inhabitants. Climate variables temperature, humidity, atmospheric pressure, solar radiation, precipitation and wind can be affected by geophysical and environmental factors such as latitude, altitude, air mass, proximity to sea, sea currents and vegetation. Wind is the most complex climate element representing the natural phenomenon of turbulence, it is characterized by high temporal and spatial variability. Wind is generated by atmospheric air mass movement, and has influence on various environmental phenomena such as soil erosion, pollutant dispersal and transport of pollen and seeds. Knowing wind speed temporal and spatial distribution is crucial to evaluate the potential for generation of eolic energy. In this work we study long-term correlations in wind speed temporal series registered at twelve meteorological stations in the state of Pernambuco, Brazil. To this end we apply Multifractal Detrended Fluctuation Analysis (MF-DFA) on hourly wind speed data for the period 2008-2011. All the analyzed series exhibit multifractal properties with generalized Hurst exponents above 0.5 indicating persistent temporal dynamics for both, small and large fluctuations. We also calculate other multifractal measures Rényi exponent and singularity spectrum, and complexity parameters, position of maximum, width and asymmetry of multifractral spectrum. No correlation was detected between complexity parameters and the geographic parameters longitude, latitude and altitude of the station, except for asymmetry of multifractal spectrum: negative correlation with longitude for maximum wind speed and negative correlation with latitude for average wind speed. However for all stations the strength of multifractality (indicated by width of multifractal spectrum) is greater for maximum wind speed then for average wind speed. These results contribute to a better understanding of the nature of stochastic processes governing wind dynamics which is necessary for development of more accurate predictive models for wind speed temporal variability and diverse phenomena influenced by wind. / O estudo do clima tem grande importância visto que a variação em elementos climáticos afeta a economia de uma região e a vida das pessoas que ali habitam. As variáveis climáticas temperatura, umidade, pressão atmosférica, radiação solar, precipitação e vento podem ser influenciadas por diversos fatores, geofísicos e ambientais, tais como latitude, altitude, massas de ar, continentalidade e maritmidade, relevo e vegetação. Um dos mais complexos elementos do clima é o vento, pelo fato de representar um fenômeno natural de turbulência, caracterizado por uma grande variabilidade temporal e espacial. O vento é gerado pelo movimento das massas de ar e pode influenciar vários fenômenos ambientais como erosão do solo, dispersão de poluentes e transporte de pólen e sementes. O conhecimento da distribuição temporal e espacial da velocidade do vento é crucial para avaliação do potencial eólico de uma região. Neste trabalho estudaram-se correlações de longo alcance das séries temporais de velocidade do vento registradas em 12 estações meteorológicas durante o período de 2008 a 2011 no estado de Pernambuco aplicando-se o método Multifractal Detrended Fluctuation Analysis (MF-DFA) nas séries temporais horárias. Todas as séries analisadas mostram as propriedades multifractais com valores de expoente generalizado de Hurst acima de 0,5 indicando uma dinâmica persistente para pequenas e grande flutuações. Foram calculadas também as outras medidas multifractais, o expoente Rényi e o espectro multifractal bem como os parâmetros de complexidade: posição do máximo, largura e assimetria do espectro multifractal. Não foram encontradas correlação entre os parâmetros de complexidade e as coordenadas geográficas: longitude, latitude e altitude, exceto a medida de assimetria do espectro multifractal: correlação negativa entre a rajada e longitude e entre velocidade e latitude. Para todas estações as larguras do espectro multifractal foram maiores para a rajada que para a velocidade, indicando uma multifractalidade mais forte. Estes resultados contribuem para uma melhor compreensão da natureza dos processos estocásticos geradores da dinâmica do vento, necessária para o desenvolvimento de modelos confiáveis para predição da variabilidade temporal do vento e dos diversos fenômenos influenciados pelo mesmo.

Submitted by (ana.araujo@ufrpe.br) on 2016-07-05T15:38:42Z No. of bitstreams: 1 Erinaldo Leite Batista Almeida.pdf: 3620819 bytes, checksum: b2532ef7524f47d5417d01445fec797b (MD5) / Made available in DSpace on 2016-07-05T15:38:42Z (GMT). No. of bitstreams: 1 Erinaldo Leite Batista Almeida.pdf: 3620819 bytes, checksum: b2532ef7524f47d5417d01445fec797b (MD5) Previous issue date: 2009-08-10 / Financial markets are complex systems that contain large numbers of interacting units, including interactions among various units in the same market and interactions between units in different markets. Various methods of economics, statistics and econophysics have been developed to analyze financial temporal series (such as price returns, share volume, number of transactions), and serve to establish theoretical models for underlying stochastic processes. The availability of financial data on the internet and increasing computational power have enabled researchers to conduct a large number of empirical studies on financial markets. These studies have shown some universal properties: the risk function of price returns is scale invariant, with power-law behavior and similar value of exponent for different markets; the absolute values of returns (volatility) exhibit long-range power-law correlations. In this work, we use methods if econophysics to study the statistical properties of Brazilian financial markets. We analyze and compare scale properties of risk functions and correlations in temporal series of price returns of agricultural commodities and stocks of various companies traded at Bovespa. We analyze the daily prices of five commodities and twenty stocks traded in the period 2000-2008. For both commodities and stocks, the risk function of daily price returns shows powerlaw behavior with the exponent outside the Levy stable region. The values of exponents are higher for stocks than for commodities. We use Detrended Fluctuation Analysis (DFA) to study correlations in daily time series of absolute values of returns (volatility). This method was developed to quantify long range correlations in non-stationary temporal series.All analyzed series show persistent behavior, meaning that large (small) values are more likely to be followed with large (small) values. The value of the DFA exponent is higher for commodities than for stocks. We also use Detrended Cross Correlation Analysis (DCCA) to study cross-correlations between two series. The values of DCCA exponents are above 0.5 for all series, indicating the existence of long range cross-correlations. This means that each stock or commodity has long memory of its own previous values and of previous values of other stocks or commodities studied. These results are in agreement with results obtained for American financial markets. / Mercados financeiros são caracterizados por um grande número de unidades e interações complexas, incluindo as interações internas (entre diferentes elementos de um mercado) e fatores externos (influência de outros mercados). Vários métodos de economia, estatística e recentemente econofísica foram desenvolvidos para analisar as séries temporais de variáveis financeiras (retorno de preços de ações, mercadorias e taxas de cambio, índice de mercado, volume de negociação, etc.), com objetivo de estabelecer os modelos teóricos para processos estocásticos que estão em base desses fenômenos. A disponibilidade de dados financeiros de vários mercados e crescente poder computacional resultaram em um grande número de estudos empíricos cujos resultados mostraram algumas propriedades universais: a função risco de retornos de preços segue uma lei de potência com o valor de expoente similar para os vários mercados; os valores absolutos de retornos possuem correlações de longo alcance. Neste trabalho foram usados os métodos de econofísica para estudar as propriedades estatísticas do mercado financeiro brasileiro. Foram analisadas e comparadas as propriedades de escala de função risco e de correlações em séries temporais de retornos de preços de mercadorias agrícolas e preços de ações de várias empresas negociadas na Bolsa de Valores de São Paulo (BOVESPA). Foram analisados os preços diários de cinco mercadorias: açúcar, algodão, café, soja e boi, registrados em período 2000-2008. Para ações, analisamos as características seguintes: preços de abertura, fechamento, valores máximo e mínimo, volume e montante. Todas as séries são diárias, registradas no período de 2000-2008. São estudadas 20 empresas divididas em 4 grupos: bancos, energia, telecomunicações e siderurgia (5 empresas de cada grupo). Para todas as séries estudadas a função risco de retornos de preços segue uma lei de potência com os valores de expoente maiores para ações do que para mercadorias. As correlações são analisadas para os valores absolutos de retornos de preços (volatilidade). Foi usado o método Detrended Fluctuation Analysis (DFA), desenvolvido para quantificar as correlações de longo alcance em séries temporais não estacionárias. Todas as séries mostraram um comportamento persistente, significando que os valores grandes (pequenos) tem maior probabilidade de serem seguidos por valores grandes (pequenos). Os valores de expoente DFA são maiores para mercadorias do que para as ações. Foi utilizada uma generalização de DFA, Detrended Cross Correlation Analysis (DCCA) para analisar as correlações cruzadas entre duas séries. Os valores de expoente DCCA para todas as séries estudadas indicam a existência de correlações cruzadas de longo alcance significando que os valores de cada série possuem memória de longo alcance de seus valores anteriores e também de valores anteriores de outras série. Os resultados estão em acordo com os resultados obtidos para mercado americano.